Mineração de dados meteorológicos pela teoria dos conjuntos aproximativos na previsão de clima por redes neurais artificiais
AUTOR(ES)
Alex Sandro Aguiar Pessoa
DATA DE PUBLICAÇÃO
2004
RESUMO
Esta dissertação aborda a utilização da teoria dos conjuntos aproximativos (TCA) com o propósito de redução de variáveis para a realização de previsão climática utilizando redes neurais artificiais (RNA), de modo a diminuir o esforço computacional e manter os erros em níveis aceitáveis na previsão climática. A TCA é uma ferramenta eficaz na compactação de uma base de dados, não só pela redução de elementos, mas também pela eliminação do conjunto de atributos supérfluos. Adicionalmente, neste estudo, as redes neurais foram utilizadas para aprender, a partir de 18 anos (Jan/1980-Dec/1997) de dados para a América do Sul, o comportamento sazonal das variáveis de precipitação e temperatura para fazer uma estimativa para os 3 anos consecutivos aos dados de treinamento (1998,1999 e 2000). Como entrada as RNA tem dados de duas espécies, para efeitos comparativos: variáveis ou atributos reduzidos e com todas as variáveis. O produto final deste processo para as variáveis de precipitação e temperatura são previsões, contendo médias trimestrais com de alcance temporal D (1 ou 3 trimestres à frente).
ASSUNTO(S)
teorias dos conjuntos aproximativos redes neurais artificiais inteligência artificial artificial neural network backpropagation climate forecast data mining retropopagação rough set theory previsão do clima mineração de dados artificial intelligence
ACESSO AO ARTIGO
http://urlib.net/sid.inpe.br/jeferson/2005/02.15.15.46Documentos Relacionados
- Mineração de dados meteorológicos para previsão de eventos severos
- Previsão de demanda de energia elétrica por meio de redes neurais artificiais
- Previsão dos retornos do índice BOVESPA usando redes neurais artificiais
- Aplicação de redes neurais artificiais na previsão da produção de álcool
- Redes neurais artificiais aplicadas na previsão do VTEC no Brasil